TY - JOUR AU - D. Rahakbauw AU - F. Kondo Lembang AU - Y. Taihuttu PY - 2016/12/01 Y2 - 2024/03/29 TI - ANALISIS DAN PREDIKSI PENYAKIT JANTUNG KORONER DI KOTA AMBON MENGGUNAKAN JARINGAN SARAF TIRUAN JF - BAREKENG: Jurnal Ilmu Matematika dan Terapan JA - BAREKENG: J. Math. & App. VL - 10 IS - 2 SE - Articles DO - 10.30598/barekengvol10iss2pp97-105 UR - https://ojs3.unpatti.ac.id/index.php/barekeng/article/view/306 AB - Penyakit jantung koroner disebabkan oleh pembentukan plak yang terdiri atas kolesterol, kalsium dan bahan lain di dalam pembuluh darah yang lama-kelamaan menumpuk di dalam dinding pembuluh darah jantung (arteri koronaria) serta arteri di tempat lain. Di Indonesia 36 juta penduduk menderita penyakit ini dan 80% diantaranya meninggal akibat serangan jantung mendadak, selain itu indonesia menduduki urutan 5 dunia untuk PJK. Penyakit Jantung Koroner (PJK) merupakan keadaan dimana terjadi penimbunan plak pembuluh darah koroner. Diperlukan diagnosa yang tepat dari pihak medis untuk pemberian pengobatan yang tepat bagi penderita PJK. Dalam penelitian ini akan diprediksi PJK ini menggunakan metode pengenalan pola dari data catatan rekam medis penderita penyakit jantung koroner yang ada di kota Ambon periode 2014-2015 menggunakan metode Jaringan Syaraf Tiruan (JST) Backpropagation . Berdasarkan data rekam medis penderita penyakit jantung koroner dan orang sehat tersebut dilakukan pelatihan terhadap JST ini, yang nantinya JST ini mampu mengenali polanya. Terdapat 13 faktor risiko yang merupakan node input jaringan dan juga merupakan penyebab timbulnya penyakit jantung koroner, node input tersebut adalah: jenis kelamin, merokok, kelebihan berat badan, pengguna alkohol, pola makan garam yang tinggi, pola makan lemak yang tinggi, olahraga, keturunan, tekanan darah, kolesterol, tekanan gula, tekanan jantung, dan kebiasaan sehari-hari. Dalam penelitian ini data akan langsung diuji dengan 5 pola jaringan: 13-2-1, 13-3-1, 13-4-1, 13-5-1, dan 13-6-1 dimana 13 node input sebagai masukkan, unit hidden layer ditentukan secara acak dengan rentang 2 sampai 6 dan 1 unit output dengan fungsi aktivasi sigmoid. Pengujian jaringan saraf tiruan ini dilakukan secara berulang sampai menghasilkan error keluaran yang terkecil pada setiap output data jaringan bersamaan dengan mengubah setiap fungsi aktivasi yang ada pada setiap lapisan pola jaringan saraf tiruan yang dipakai. Setelah proses pelatihan dilakukan, diperoleh konfigurasi jaringan yang terbaik dari 5 tipe yang diuji yaitu tipe dengan 13 input dan 6 hidden layer dengan 1 output (13-6-1) dengan bobot terbaik yang sudah diperoleh dengan kemampuan jaringan mendeteksi seseorang terkena penyakit jantung koroner dengan skala error 0,0009 sampai 0,0727 yang dipandang sangat kecil error yang diperoleh dengan persamaan regresi yang terbentuk adalah y= 0,91T+0,079 dengan koefisien korelasi sebesar 0,91205. ER -